您可以捐助,支持我们的公益事业。

1元 10元 50元





认证码:  验证码,看不清楚?请点击刷新验证码 必填



  求知 文章 文库 Lib 视频 iProcess 课程 认证 咨询 工具 讲座 Modeler   Code  
会员   
 
   
 
     
   
 订阅
  捐助
Numpy高维数据的理解
 
1352 次浏览     评价:  
 2018-11-14
 
编辑推荐:
本文来源csdn,本文主要对Numpy高维数据的理解进行介绍,希望对您的学习有所帮助。

Numpy高维数据的理解

当实际处理多维变量时,尤其需要使用到Tensorflow这样深度学习库,比如,图片数据批次其形状为:N×H×W×CN×H×W×C, 高维序列格式存在难以理解的问题。因此如何读懂这些高维序列是一个很基础的问题。

列表和1-D Numpy array

如何检索一个列表中的元素,上图给出了很好的描述

嵌套列表和2-D Numpy序列

当嵌套两个List事情就变得很有趣了。2-D表示:矩阵、数据库里的表格、灰度图像

上面是一个List里面嵌套了三个List,每个List都表示长方形表中的一个行向量

在Python中访问一个嵌套列表,通常使用两个方括号,具体如下:

下面是一些小例子:

我们将嵌套结构看做一棵树

2-D numpy arrays

V=np.array([[1, 0, 0],[0,1, 0],[0,0,1]])

2-D Numpy arrays 的加法运算

X=np.array([[1,0],[0,1]])
Y=np.array([[2,1][1,2]])
Z=X+Y;
Z:array([[3,1],[1,3]])

2-D Numpy arrays 的乘法运算

X=np.array([[1,0],[0,1]])
Y=np.array([[2,1][1,2]])
Z=X*Y;
Z:array([[2,0],[2,0]])

嵌套三个列表和3-DNumpys arrays

可以看到相比于2-D列表,3-DNumpys arrays增加了一个方括号

我们可以这样检索其中一个元素。

为了生活化场景,基本的二维表格形状不变,而增加了相应的多个表格,类似于地址- 楼层- 房间号的表达方式

而检索过程也类似于这样过程

nDNumpy序列的加法表达是这样:

4DNumpy

思考一下:

1. 如何表达如下矩阵Tensor?

1×2×2×11×2×2×1

3×3×1×13×3×1×1

3×3×2×13×3×2×1

3×3×2×23×3×2×2

给出答案:

[[[[1],[1]],
[[1],[1]]]]

[[[[1]],[[1]],[[1]]],
[[[1]],[[1]],[[1]]],
[[[1]],[[1]],[[1]]]]

[[[[1],[1]],[[1],[1]],[[1],[1]]],
[[[1],[1]],[[1],[1]],[[1],[1]]],
[[[1],[1]],[[1],[1]],[[1],[1]]]]

[[[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]],
[[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]],
[[[1,1],[1,1]],[[1,1],[1,1]],[[1,1],[1,1]]]]

   
1352 次浏览  评价: 差  订阅 捐助
相关文章

手机软件测试用例设计实践
手机客户端UI测试分析
iPhone消息推送机制实现与探讨
Android手机开发(一)
相关文档

Android_UI官方设计教程
手机开发平台介绍
android拍照及上传功能
Android讲义智能手机开发
相关课程

Android高级移动应用程序
Android系统开发
Android应用开发
手机软件测试